一种基于深度学习的芯片设计规则违规预测方法

本发明属于半导体芯片设计领域，公开了一种基于深度学习的芯片设计规则违规预测方法，包括如步骤：步骤1：数据准备：构建特征图和目标图，特征图与目标图共同构成卷积神经网络CNN线性回归训练模型所需的数据；步骤2：模型训练：利用卷积神经网络CNN进行线性回归，以训练和评估DRV预测模型。本发明采用CNN线性回归模型，考虑多尺度特征融合、边界效应等因素，并对特征图进行补充，能够在全局布线阶段之后，更加快速且准确地预测设计规则违规。通过分析Gcell信息和器件放置数据，本发明预测芯片中每个Gcell的潜在DRV数量。这种方法通过在设计流程的早期阶段引入预测机制，显著提高了设计效率并减少了后期修改的需要。